妇科和产科紧急情况的人工智能

人工智能（AI）使用机器执行类似人类功能的过程，例如自动临床决策。

这可能在妇科和产科紧急情况下有效运行。我们旨在回顾AI在妇科和产科紧急情况下的作用和应用。

方法

2023年11月在PubMed，Cochrane图书馆和Google Scholar进行了文献搜索，使用人工智能，妇科和产科的关键字组合进行了搜索。选择并阅读相关文章。还搜索了所选文章的参考列表。

结果

文献证明了AI在诊断成像，改善紧急情况的预测以及改善紧急服务的计划和资源分配等多个方面，在紧急情况下改善医疗保健的作用。AI客观地工作，克服了决策中的人类偏见。为AI创建互连的数据注册表可能会提高其性能。紧急情况下的验证研究表明，与妇科医生和产科医生在包括子宫内膜异位症和急性腹痛在内的妇科医生和产科医生对风险和结果的估计相比，AI预测工具的性能更为准确。接受了AI及其潜在利益。使用AI的道德困境包括数据治理，错误的责任和安全问题。需要向在急诊室工作的医疗保健专业人员提供AI培训。

结论

医疗保健专业人员应该教育自己有关AI在妇科和产科紧急情况下的预期作用，其指示，局限性和道德考虑因素，以便他们可以使用定义的准则在未来的实践中采取措施。

为什么这个评论很重要？

在医疗保健中使用AI已在急诊医学专业人员中产生了两极分化的思想。这篇综述是为了比较在妇科和产科紧急情况下使用AI的利弊，以便可以在这些专业中正确应用AI。

这篇评论显示什么？

这篇综述表明，在妇科和妇产科紧急情况下有几项研究，积极的观点支持在急性腹部和骨盆疼痛等紧急情况下使用AI以及子宫内膜异位症。由于对其性质，优势和局限性缺乏了解，从业人员有一些保留的保留。通过叙述与AI相关的妇科和产科紧急情况的发现，我们提出了它们的应用及其局限性。

什么是主要发现？

在正确的输入信息和人类监督的条件下，AI可以帮助紧急妇科和产科情况进行批判性决策。因此，AI可以协助妇科医生确定紧急情况使用哪种治疗方法，并且还可以减轻人类专业人员的负担，并通过迅速的介入决定节省时间。

患者护理如何影响？

将AI与受过训练的医学专业人员和软件工程师的输入一起使用，可以使妇科和产科紧急情况的决策更加有效。AI辅助工具可以快速预测患者的结果，节省时间并避免导致进一步护理的延迟。

在过去的五十年中，包括健康信息学在内，数据收集，存储和分析已经有了重大发展。计算机已经从较大的处理器和非常有限的数据存储中发展到很小，处理过程中，并且数据存储大。超级计算机具有出色的功能，可以花几天的时间分析数据以开发模拟或预测普通人的大脑难以处理的模型。知识金字塔模型解释了收集数据的进展，该数据经过分析，以获取将增加我们的知识并最终智慧的信息[1]（图 1）。这些发展导致了人工智能的成长，试图模仿人类的思想。最近，人们对医学文献引起了极大的兴趣。在1951年至2023年期间，在PubMed数据库中搜索术语“人工智能”显示出了这种兴趣的巨大指数增长。尽管1971年之前的数据库中的年度文章少于10篇文章，但在2023年期间，它们跃升至37,000多篇文章（图。 2）。图1DIKW金字塔由四个组成部分组成：数据，信息，知识和智慧，它们从基础到顶部的加班发展（由Fikri Abu-Zidan教授进行了说明，阿拉伯联合酋长国大学医学与健康科学研究院研究办公室）

1951年至2023年期间人工智能术语的PubMed搜索结果显示了其巨大的指数增长。

AI被定义为像人类一样推理和学习的能力。

机器学习正在开发可以学习而无需编程的算法。这有助于机器执行类似人类的认知功能和决策，而无需用户输入广泛的编程命令[2]。它通过使用大型医疗数据库的自动临床决策来帮助，这些数据库可以在紧急情况下有效，准确地运行[3，，，，4，，，，5]。当使用AI用于急性腹痛的患者（包括月经症）时，获得了公认的准确性。这可能会使用多个输入变量来快速决定[6]。当代与AI相关技术在医疗保健中的使用是由许多因素驱动的，包括在紧急情况和工作量中的人为错误。例如，人工智能可以帮助减少妇产内妇产科期间的胎儿监测错误[7]，并缩短诊断妇科肿瘤学恶性肿瘤所需的时间[8]。

随着世界变得越来越相互联系，通过使用国际注册机构收集的高质量数据来开发决策自动化工具，医疗保健可以从AI中受益。但是，错误的可能性要求紧急情况下的医疗保健提供者完全了解AI的局限性[9]。包括妇科和妇产科在内的手术专业应该对适当应用AI充分了解，因为避免不必要的手术程序是紧急护理的关键目标[10]。AI被用于各种目的，例如诊断成像，从公共卫生紧急角度改善预测，确定大量医疗数据集的伤害模式，并改善紧急服务的计划和资源分配[3，，，，11，，，，12]。通过解决超声检查和MRI尚无定论时，通过解决骨盆疼痛患者的诊断挑战，AI可用于避免不必要的手术[12]。AI的应用目前是可变的，有必要向提供紧急医疗保健的妇科医生和产科医生提出有关其潜力的有针对性证据综合。因此，我们旨在审查AI在妇科和产科紧急情况下的作用和应用。

这篇评论是根据编写叙事评论的指南进行的[13]。我们在2023年11月搜索了以下医疗数据库：PubMed，Google Scholar和Cochrane Library，以使用英文发表的文章而无需时间限制。关键字组合使用医学主题，文本单词和单词变体捕获了人工智能，妇科和产科的概念，并与布尔运营商适当地捕获了概念。扩展了妇科和妇产科的搜索术语组合，以涵盖子宫内膜异位症，急性骨盆疼痛或急性腹痛；异位妊娠，流产，产科出血和产前护理。浏览了标题，阅读了感兴趣的摘要，并根据个人判断与本评论的相关性选择相关文章。这些文章通过阿拉伯联合酋长国大学国家医学图书馆进行了重新审议[14]。然后，重新阅读并总结了重述文章。作者从开放式访问来源中选择插图或认为必要的插图。

AI和相关术语的定义

AI是计算机科学的分支，它结合了算法以执行通常需要人类智能（语言理解，信息检索，推理和学习）的任务，而他们没有编程为执行。一个算法是一个有限数量的有限计算步骤来解决问题。机器学习（ML）是各种AI技术的混合物，包括受监督和无监督，允许算法的混合物学习从复杂的提供信息和过去的经验到执行人类执行的任务，随着时间的推移会改善，而无需结合进一步的编程命令。算法使用输入数据开发统计模型。这个过程称为训练。输入数据中的每个变量称为维度。[15这是给出的

深度学习，涉及使用不同处理层的算法来提供来自简单输入的高级信息[16]。人工神经网络（ANN）是深度学习的类别。它们是模仿人类神经元网络的高级模型。它们是更复杂的模型，可探讨输入数据与感兴趣的输出之情之间的非线性关系。它们至少有三层：（1）输入层，（2）隐藏层和（3）输出层（图 3）。可能有多个隐藏层。层的每个神经元与以下层的每个神经元相连，但与同一层的神经元没有[15]。神经元输出的进展由作为允许输出进展的门的方程式控制。这就是所谓的激活函数或传递函数。激活函数将决定神经元的激活[17，，，，18]。神经元的输入由模型的不同变量加权，从而使学习过程在输入层和输出层之间发展[15]。为了获得准确的输出，应根据输出中错误的反馈将权重和偏差更新为神经元。这就是所谓的返回传播[18]。

模仿人类神经元网络的人工神经网络至少具有三层：（1）输入层，（2）隐藏层和（3）输出层。一层的每个神经元都与以下层的每个神经元相关，但与同一层的神经元无关（由阿拉伯联合酋长国大学医学与健康科学研究院Fikri Abu-Zidan教授进行了说明）

计算机视觉算法试图通过研究其不同部分来分解图像。基于从不同图像中学到的重复观察结果，该机器将这些发现分类以做出诊断之类的输出决策[19]。数据挖掘（DM）是大型数据集中数据中的关系，模式和异常的发现，以生成未来的预测，而这些预测通常是人类看不见的。文本挖掘将文本作为数据部署。自然语言处理（NLP），另一种AI技术，使计算机能够使用计算语言学阅读，理解和解释人类的自然语言。信息检索（IR）从数据库或文档收集中组织，存储和检索文本信息。搜索引擎是信息retreival（ir）系统，用户在其中进行查询，检索模型捕获了根据其相关性排名的文档。然后，IR可以从ML和NLP部署技术来改善查询公式和文档选择。

AI在妇科和产科紧急情况下的使用

紧急妇科表现可能包括骨盆肿块和卵巢囊肿（有或没有卵巢癌），急性腹部和骨盆疼痛，异位妊娠，子宫内膜异位症，流产和流产，急性表现出症状，乳房癌症，乳房肿块，骨盆脱落，肿瘤，肿瘤，pelvic，pelvic相关的紧急情况，紧急情况，伴有症状，伴有症状，肿瘤癌症，伴有症状，伴有症状，伴随着症状，伴随着症状，伴随着症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有症状，伴有急性癌症。月经出血和不育治疗紧急情况（卵巢过度刺激引起的急性腹痛）[11，，，，20]。目前，人工智能正在帮助妇科医生在诊断到治疗的紧急情况下，并增加了人类的监督[8]。作为一个特定的例子，通过帮助放射学诊断来检测乳腺癌[8]。它也被开发用于诊断子宫内膜异位症的妇女[11]和急性腹痛的分类[6]。江等。使用三种方法比较了有卵巢子宫内膜异位症的116个PATINET中MRI的诊断准确性。常规MRI和两种AI算法：1）传统的硬C均值（HCM）算法，b）模糊C-均值（FCM）聚类算法。遵循HCM，然后是常规MRI（分别为94.3％，81.4％和63.2），诊断精度最高。与HCM算法相比，FCM的图像质量评估明显更高（FCM的骰子，灵敏度和特异性为0.92、0.9、0.93，而HCM [0.77、0.73和0.72] [11]。机器人手术是AI使用有用的另一个例子[21]。AI简化了分子生物学妇科癌[10]。使用AI驱动的MRI算法，可以更有效地执行子宫切除术，并且降低了手术时间[22]。该研究表明，术中失血量的统计学显着降低[10.00（6.25-15.00）ML与10.00（5.00-15.00）ML，ML，p= 0.04]和手术持续时间（41.32±17.83分钟与32.11±11.86 min，min，p= 0.03）在AI的帮助下的操作中[22]。尽管报告了出血的统计学意义，但我们认为这并不是骨质意义。作者使用非参数方法比较了比较排名而非粗略数据的失血损失（Mann Whitney -U检验），因此，尽管中位数为10 mL，但仍存在统计学意义。

处理产科紧急情况至关重要。决策不良和不当介入的选择导致高死亡率和几种合并症。例如，每年，产前问题夺走了约35万婴儿的生命[23]。在医疗保健中使用新技术（例如AI）的想法是简化困难的决策，支持医务人员做出最佳决策，并使他们能够及时处理紧急情况。在产科紧急情况下，ML算法可以产生各种好处。通过监测较少的假阳性值的胎儿运动，已成功使用ML算法来诊断病理[7]。根据另一项研究，使用ML算法来检测对剖宫产和阴道分娩的需求。结果表明，通过ML分类达到的曲线下，敏感性为94％，特异性91％和99％的面积。这意味着，与早期研究中报告的产科医生和助产士的预测和方法相比，ML大大提高了使用胎儿心率数据检测剖腹产和正常阴道分娩的效率[24]。

DM算法可用于筛查子宫异常出血和预测子宫内膜癌的女性[25]。由AI开发的分数成功地预测了一般手术中不同术后并发症的风险。研究使用的研究mysurgeryrisk预测八种结果的产量得分（急性绑架损伤，ICU入院大于48 h，机械通气大于48 h，伤口并发症，神经系统问题，心血管问题，败血症和静脉血栓栓塞）[26]。通过使用可访问的术前电子健康记录数据，自动预测分析框架（mysurgeryriskML算法的输出评分）具有较高的歧视能力，可以估计手术并发症和死亡的可能性[26]。这些发现证实，AI在急诊医学和SUPORT中发挥了作用，在妇科和产科紧急情况下进行了更多的研究，从而精确地定义了AI在这一重要领域的作用。一项关于卵巢子宫内膜异位症的女性的最新研究表明，使用MRI图像的AI算法显着提高了诊断精度[11]。在另一个示例中，AI在患有急性腹痛的女性的分类中的应用产生了准确的模型，以进行快速评估和分类[6]。该研究包括215例患者，患有不同程度的急性腹痛，与AI相比，由急诊医生评估了急诊医生。所有系统在分类​​级别2均显示出不错的预测程度，神经网络表明在Triage第3级中的最高水平和公认的预测程度。但是，决策树是唯一在Triage级别接受的唯一可接受预测的方法[6]。

从业者的观点

一项有关在紧急医疗保健中使用AI的国际调查显示，大多数外科医生承认AI在紧急手术实践中的好处在改善术前和术后决策方面[12]。尽管外科医生在这项调查中对AI充满热情，但几乎三分之一不熟悉AI术语，定义和应用[12]。那些不熟悉AI的人有相反的意见，表明需要教育和培训。在妇科中，这些观点可能相似。继续医学教育对于在妇产科紧急情况下实施AI的道路具有重要作用。为了克服预期的障碍，应在医疗保健从业者和AI开发人员之间建立跨学科的合作。这需要对从业人员进行数字健康培训[9，，，，27]。

道德考虑

自治，福利（非遗憾）和正义是关键的医学道德原则。这些问题在急诊手术中引入AI时浮出水面。知情决策是AI道德实施的关键。关于数据治理和安全性，错误的责任以及紧急情况下的技术效率提出了几个问题[9]。AI的采用与大型培训数据集和算法验证的要求有关。仔细处理技术和道德问题很重要，这些问题不可避免地会影响患者同意和数据保护。AI不能仅仅被迫作为黑匣子。获得患者和医疗保健专业人员的信任需要确保AI算法是透明且可理解的。

一般考虑

AI几乎在每个领域都处于众人瞩目的焦点。它正在发展其在医疗保健中的应用，但是在此阶段的某些工具尚未完全自动化。文献表明，AI通常被纳入医学。紧急设置也不例外。AI在妇科和产科紧急情况下的作用正在发展。通过使用AI实时预测分析，可以提高紧急问题的早期诊断，该分析有可能改善患者预后。就认知能力而言，人脑的处理能力远低于基本计算机，而基本计算机可以执行比人类神经带宽要复杂数百万倍的计算[28]。关于在紧急情况下使用AI的意见很广泛[12]。我们必须承认，在这个阶段可能会有巨大的希望。Gartner Hype Cycor降低了新技术的自然发展（图 4）。如图所示，我们处于最初的热情阶段。 2。我们预计这将是采用和评估阶段，在这种阶段中，从遇到的错误中学到的经验教训将完善AI的技术及其有用的用途。我们希望最终达到成熟阶段，在该阶段中，AI的作用和迹象得到了很好的态度和证明。

Gartner炒作循环方法论描述了给定技术的感知价值如何​​发展。从De Simone B等人复制。紧急和创伤手术中人工智能的知识，态度和实践，白羊座项目：基于国际网络的调查。世界J新兴手术。2022; 17：10，根据创意共享归因4.0国际许可

在急诊医学中应用AI具有利用计算机的卓越计算能力来快速从观测值的大数据中提取信息，这些信息可以准确地预测临床结果。与倾向于有线性思维的紧急医疗保健工作的妇科医生相比，AI可以使用ANN模型来识别风险因素的复杂线性以及非线性相互作用[29]。具有这种能力的AI可以通过在紧急情况下快速利用ML方法来提供极为精确的发病率和死亡风险的估计[29]。AI预测工具可以指导从业人员遵循特定步骤，因为他们可以预见他们计划在紧急情况下为患者采取的决策或步骤的结果[29]。在这项涉及934,053例患者的研究中，使用互动智能手机应用的创伤结果预测因子（TOP）用于预测结果。顶部可靠地预测死亡率（曲线下的面积（AUC）：衍生物为0.95，穿透性损伤的验证为0.94，衍生造成为0.89，在钝性伤害中验证0.88）。预测并发症的验证AUC范围较低（0.69至0.84）[29]。这是可以预期的，因为并发症的预期（多个分类数据）要比在死亡（如死亡）等固体二项式结果变量中更加困难。此外，人工智能可以客观地完成这项任务，克服了有意识地或潜意识地做出特定决定的人类偏见。例如，患者和临床医生都可能对剖宫产有偏见。[30]。但是，AI-Tools将以无偏见的方式进行预测，因为它们遵循提供的数字信息的原则[26]。它甚至显示出通过在妇科中使用NLP [31]。

紧急病房的护理总是至关重要的，因为很少有时间做出大胆和冒险的决定。创伤管理是一种高风险关键决策的相似情况，在很短的时间内必须快速决策一次，而不能逆转。急诊部门的工作量始终很高，几乎50％的病例是创伤性质[32]。人工智能可以通过减少正确的诊断，治疗方案并将患者转移到相关病房的情况下，在不得时间内将患者转移到相关病房中，从而帮助您通过数据输入来帮助解决这些问题，如果提供正确的输入信息来生成AI算法做出这样的人类决定[31]。AI在老年创伤患者中精确地死亡[33]。同样，另一项研究显示了使用基于AI的工具[34]。furhtermore，AI在穿透性和钝性创伤患者中对风险和结果进行了准确的预测[33]。AI也用于骨折的放射学诊断[16]。预计可以将类似的优势转移到紧急观测和妇科学上，尤其是在涉及母亲和胎儿的怀孕的创伤方面。AI在紧急情况和妇科环境中的应用带来了潜在的优势，从而创造了更多未来的机会[35]。紧急手术和妇科需要准确，及时的诊断，分类和治疗。AI工具，例如NLP和机器学习算法，已经证明了在威胁生命的情况下支持手术诊断的潜力。研究揭示了AI在预期手术困难和迅速干预方面的有效性[36]。AI至关重要的另一个领域是在紧急手术和妇科中使用机器人技术。AI驱动的手术机器人可以使医生在解剖学工作中更加精确和敏捷性。研究强调有效利用机器人援助在紧急手术中，重点是降低发病率和更快的恢复时间[21]。

AI在妇科和产科紧急情况中的未来应用似乎很有希望。随着计算机科学的持续研发，AI系统将变得更加强大。整合AI技术可以通过使医生在手术期间获得实时的，上下文感知的信息来改变外科手术场景。为了确保AI在手术中的安全和道德融合，必须确定确定的规范。医生，AI开发人员和监管组织必须合作实现这一目标。紧急医疗保健从业人员将需要进行持续的多学科教育和培训计划。

人工智能：

人工智能

安：

人工神经网络

ML：

机器学习

DM：

数据挖掘

IR：

信息检索

NLP：

自然语言处理

ICU：

重症监护室

阿拉伯联合酋长国大学医学与健康科学学院妇产科，阿拉伯联合酋长国

1. Hassan M. Elbiss

   阿拉伯联合酋长国大学医学与健康科学学院研究办公室，阿拉伯联合酋长国

2. Fikri M. Abu-Zidan

   贡献

概念化（H.M），数据策划（H.M），正式分析（F.A），资金获取（N/A），调查（H.M），方法论（H.M），项目管理（H.M，F.A），资源（N/A），资源（N/A），，

软件（N/A），监督（F.A），验证（N/A），可视化（F.A），撰写原始草稿（H.M）以及写作评论与编辑（F.A）。

相应的作者

对应Hassan M. Elbiss。道德声明

不适用。

同意参加不适用。

同意出版

不适用。

竞争利益

作者没有宣称没有竞争利益。

附加信息

出版商的注释

权利和权限

开放访问

来源，提供了与Creative Commons许可证的链接，并指示您是否修改了许可材料。您没有根据本许可证的许可来共享本文或部分内容的改编材料。本文中的图像或其他第三方材料包含在文章的创意共享许可证中，除非在材料的信用额度中另有说明。如果文章的创意共享许可中未包含材料，并且您的预期用途不得由法定法规允许或超过允许的用途，则需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。重印和权限

关于这篇文章